论文部分内容阅读
随着社会老龄化程度的加深以及家庭人口结构的变化,老年人独自居住现象变得越来越普遍。而老年人独居难免会有意外的情况发生,其中突发跌倒对老人是非常危险的事件之一。并且,由于老人独自生活,意外跌倒后往往不能被及时发现并施救,从而导致伤势的加深和恶化,甚至危及生命。因此,实时检测老人跌倒行为并及时请求救援成为老人监护中亟待解决的重要问题。跌倒检测问题在很早以前就引起了研究学者的关注,相关的研究方法和检测方式也非常多。但是,现有的跌倒检测方法大部分都要求佩戴专门的检测设备,以及对佩戴设备的位置和方向加以限制,有的甚至需要同时佩戴多个设备,不符合用户的使用习惯,给日常生活带来过度的干扰,难以推广,且检测的准确度不高。针对以上问题,考虑到智能手机价格的大幅度下降和人们生活水平的提高,普通居家老人基本能使用智能手机,特别是电子技术的高速发展,智能手机本身具备了很强的计算和处理能力,安装有Android等操作系统,更重要的是集成了加速度、陀螺仪、气压计等传感器,且手机本身具备通信能力。因此,本论文选取智能手机作为老人随身携带的跌倒检测设备,不需要专用设备。在跌倒检测算法上,本文利用跌倒过程中的合加速度信息和跌倒前后的高度变化量,提出了一种阈值判断与模式识别融合的跌倒检测方法。测试结果表明,当手机在被测者的任意口袋以任意方位放置时,该算法都能及时检测跌倒并报警,其预测跌倒的正类覆盖率和负类覆盖率分别为91.67%和88.50%,该方法的有效性得以验证。本文主要研究内容如下:(1)搭建行为数据采集平台,实现了行为数据的采集、预处理、网络存储和本地存储,为检测算法研究提供了研究平台。(2)分析跌倒数据的变化特征和统计特性,提取了区分行为特征的特征量集合,并提出了阈值判断与模式识别融合的跌倒检测方法。(3)研究和比较了模式识别中的经典分类方法,选出了适合跌倒检测训练集的分类模型——决策树C4.5分类模型。(4)基于Android手机平台,实现了决策树C4.5的模型训练算法,设计实现了跌倒检测系统,并测试验证了检测、定位、报警和通信功能。